第遗传算法演示文稿.pptVIP

交叉算子 交叉运算，是指对两个相互配对的染色体依据交叉概率 Pc 按某种方式相互交换其部分基因，从而形成两个新的个体。 交叉运算是遗传算法区别于其他进化算法的重要特征，它在遗传算法中起关键作用，是产生新个体的主要方法。 基本遗传算法（SGA）中交叉算子采用单点交叉算子。 当前第30页\共有57页\编于星期五\11点 单点交叉运算 交叉前： 01000| 11100| 交叉后： 01000|（孩子1） 11100|（孩子2） 交叉点 当前第31页\共有57页\编于星期五\11点 变异算子 变异运算，是指改变个体编码串中的某些基因值，从而形成新的个体。 变异运算是产生新个体的辅助方法，决定遗传算法的局部搜索能力，保持种群多样性。 交叉运算和变异运算的相互配合，共同完成对搜索空间的全局搜索和局部搜索。 基本遗传算法（SGA）中变异算子采用基本位变异算子。 当前第32页\共有57页\编于星期五\11点 变异算子 基本位变异算子是指对个体编码串随机指定的某一位或某几位基因作变异运算。 对于二进制编码符号串所表示的个体，若需要进行变异操作的某一基因座上的原有基因值为0，则将其变为1；反之，若原有基因值为1，则将其变为0 。 当前第33页\共有57页\编于星期五\11点 基本位变异示例 变异前： 0000010000 变异后： 1000010000 变异点 当前第34页\共有57页\编于星期五\11点 运行参数 （1）M ：种群规模 （2）T ： 遗传运算的终止进化代数 （3）Pc ：交叉概率 （4）Pm ：变异概率 当前第35页\共有57页\编于星期五\11点 基本遗传算法的框图 产生初始群体 满足停止准则？ 是 输出结果 计算适应度值 比例选择运算 单点交叉运算 基本位变异运算 否 产生新一代群体 执行M/2次 当前第36页\共有57页\编于星期五\11点 已知x为整数，利用遗传算法求解区间［0, 31］上的二次函数y=x2的最大值。　　 y=x2 31 X Y 遗传算法的应用举例 当前第37页\共有57页\编于星期五\11点 [分析] 原问题可转化为在区间［0, 31］中搜索能使 y 取最大值的点 a 的问题。 个体：［0, 31］ 中的任意点x 适应度：函数值f(x)=x2 解空间：区间［0, 31］ 这样, 只要能给出个体x的适当染色体编码, 该问题就可以用遗传算法来解决。 当前第38页\共有57页\编于星期五\11点 [解] 　　(1) 设定种群规模,编码染色体，产生初始种群。 将种群规模设定为4；用5位二进制数编码染色体；取下列个体组成初始种群S1 s1= 13 (01101), s2= 24 (11000) s3= 8 (01000), s4= 19 (10011) (2) 定义适应度函数, 取适应度函数 f (x)=x2 当前第39页\共有57页\编于星期五\11点 　　(3) 计算各代种群中的各个体的适应度, 并对其染色体进行遗传操作,直到适应度最高的个体，即31（11111）出现为止。  　　 当前第40页\共有57页\编于星期五\11点 网 格 计 算第5章 遗传算法 当前第1页\共有57页\编于星期五\11点 优选第遗传算法 当前第2页\共有57页\编于星期五\11点 常用的智能优化算法 遗传算法 模拟退火算法 禁忌搜索算法 粒子群算法 蚁群算法 …… 当前第3页\共有57页\编于星期五\11点 智能优化算法的特点 从任一解出发，按照某种机制，以一定的概率在整个求解空间中探索最优解。 求解的过程通常是一个迭代的过程，即不是一步就完成。 由于它们可以把搜索空间扩展到整个问题空间，因而具有全局优化性能。 当前第4页\共有57页\编于星期五\11点 遗传算法概述 美国J. Holland教授于1975年在专著《自然界和人工系统的适应性》中首先提出。 借鉴生物界自然选择和自然遗传机制的随机化搜索算法。 模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象。 当前第5页\共有57页\编于星期五\11点 遗传算法概述 在每次迭代中都保留一组候选解，并按某种指标从解群中选取较优的个体，利用遗传算子(选择、交叉和变异)对这些个体进行组合，产生新一代的候选解群，重复此过程，直到满足某种收敛指标为止。 基本遗传算法（Simple Genetic Algorithms，G